Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Internship : Overcoming catastrophic inference in neural networks H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2019-10170  

Description de l'unité

Le Leti, institut de recherche technologique de Cea Tech, a pour mission d'innover et de transférer les innovations à l'industrie. Son cœur de métier réside dans les technologies de la microélectronique, de miniaturisation des composants, d'intégration système, et d'architecture de circuits intégrés, à la base de l'internet des objets, de l'intelligence artificielle, de la réalité augmentée, de la santé connectée. Le Leti façonne des solutions différenciantes, sécurisées et fiables visant à augmenter la compétitivité de ses partenaires industriels par l'innovation technologique. L'institut est localisé à Grenoble avec deux bureaux aux USA et au Japon, et compte 1800 chercheurs.

Description du poste

Domaine

Technologies micro et nano

Contrat

Stage

Intitulé de l'offre

Internship : Overcoming catastrophic inference in neural networks H/F

Sujet de stage

Overcoming catastrophic inference in neural networks through accurate overlapping representations

Durée du contrat (en mois)

6

Description de l'offre

Context:

Catastrophic forgetting is the fact that a neural network formed on a first set of elements can forget them when it learns a second set. Therefore, there can be no incremental learning. This is now becoming extremely limiting if we want to develop autonomous systems capable of dealing with situations that could not have been envisaged during the first learning phase. And this is the next lock of machine learning. We have chosen a model of cognitive psychology of human memory developed B. Ans and S. Rousset to solve this question because unlike all models in the literature, it is the only one to preserve the plasticity of the network.

 

Job Description:

This model has already been implemented in a formal neural network with the Tensor Flow tool for a handwritten number recognition application. We would like to explore the possible improvement of random noise to properly characterize the function learned for the network. We have already found that the gain resulting from a good selection of the starting noise is more than 90% on the total performance of the system, which makes us think that it is necessary to study the impact of noise on performance.

The internship will take place in three phases:

- State of the art on random noise generation and a priori information on the distribution of the different classes.

- Analyses of the signal-to-noise ratio of the pseudo data.

- Propose/select the best alternatives for generating the starting noise.

 

If you are interested by the internship, please send your CV and motuvation metter to marina.reyboz@cea.fr

 

Profil du candidat

You are interested by new technologies and you research an internship to obtain your engineering or master's degree.

Localisation du poste

Site

Grenoble

Localisation du poste

France, Auvergne-Rhône-Alpes

Ville

17 avenue des martyrs 38000 Grenoble

Critères candidat

Langues

Anglais (Intermédiaire)

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

01/02/2020